論文の概要: Color-Encoded Illumination for High-Speed Volumetric Scene Reconstruction

• arxiv url: http://arxiv.org/abs/2604.26920v1
• Date: Wed, 29 Apr 2026 17:38:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.520996
• Title: Color-Encoded Illumination for High-Speed Volumetric Scene Reconstruction
• Title（参考訳）: 高速ボリュームシーン再構成のためのカラーエンコードイルミネーション
• Authors: David Novikov, Eilon Vaknin, Narek Tumanyan, Mark Sheinin,
• Abstract要約: 本稿では,低速カメラのみを用いて,高速シーンのボリューム表現をキャプチャし,再構成する手法を提案する。 個々のカメラのハードウェアや光学を変更する代わりに、高速でシーケンシャルなカラーコードシーケンスでシーンを照らすことで、高速なシーンダイナミクスを符号化する。 この結果,画像の空間強度と色変化に高速な時間情報が符号化されるシーンの同時多視点撮影が可能となった。
• 参考スコア（独自算出の注目度）: 7.326395356941242
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The task of capturing and rendering 3D dynamic scenes from 2D images has become increasingly popular in recent years. However, most conventional cameras are bandwidth-limited to 30-60 FPS, restricting these methods to static or slowly evolving scenes. While overcoming bandwidth limitations is difficult for general scenes, recent years have seen a flurry of computational imaging methods that yield high-speed videos using conventional cameras for specific applications (e.g., motion capture and particle image velocimetry). However, most of these methods require modifications to a camera's optics or the addition of mechanically moving components, limiting them to a single-view high-speed capture. Consequently, these methods cannot be readily used to capture a 3D representation of rapid scene motion. In this paper, we propose a novel method to capture and reconstruct a volumetric representation of a high-speed scene using only unaugmented low-speed cameras. Instead of modifying the hardware or optics of each individual camera, we encode high-speed scene dynamics by illuminating the scene with a rapid, sequential color-coded sequence. This results in simultaneous multi-view capture of the scene, where high-speed temporal information is encoded in the spatial intensity and color variations of the captured images. To construct a high-speed volumetric representation of the dynamic scene, we develop a novel dynamic Gaussian Splatting-based approach that decodes the temporal information from the images. We evaluate our approach on simulated scenes and real-world experiments using a multi-camera imaging setup, showing first-of-a-kind high-speed volumetric scene reconstructions.
• Abstract（参考訳）: 近年,2次元画像から3次元ダイナミックシーンをキャプチャ・レンダリングする作業が盛んに行われている。 しかし、従来のカメラは帯域幅が30-60 FPSに制限され、静的またはゆっくりと進化するシーンに制限される。 帯域幅制限を克服することは一般的な場面では難しいが、近年は特定の用途(例えば、モーションキャプチャーや粒子画像の速度測定など)のために従来のカメラを用いた高速ビデオを生成する計算画像法が急増している。 しかし、これらの手法の多くはカメラの光学の変更や機械的に動く部品の追加を必要とし、単一ビューの高速キャプチャに制限される。 したがって、これらの手法は、高速なシーンモーションの3次元表現をキャプチャするために、容易には利用できない。 本稿では,未拡張の低速カメラのみを用いて,高速シーンの容積表現をキャプチャし,再構成する手法を提案する。 個々のカメラのハードウェアや光学を変更する代わりに、高速でシーケンシャルなカラーコードシーケンスでシーンを照らすことで、高速なシーンダイナミクスを符号化する。 この結果,画像の空間強度と色変化に高速な時間情報が符号化されるシーンの同時多視点撮影が可能となった。 動的シーンの高速な容積表現を構築するために,画像から時間情報をデコードする動的ガウス分割法を開発した。 我々は,マルチカメラ・イメージング・セットアップを用いて,シミュレーションシーンと実世界実験のアプローチを評価し,第1世代の高速ボリュームシーンの再構築を示す。

関連論文リスト

• High-Speed Dynamic 3D Imaging with Sensor Fusion Splatting [15.309934457166394]
  高速なダイナミック3Dシーンのキャプチャと再構成は、コンピュータグラフィックス、ビジョン、ロボット工学、空気力学、進化生物学などの学際分野に多くの応用がある。 従来のRGBカメラはフレームレートが低く、露出時間が限られ、ベースラインが狭い。 本稿では,RGB,深度,イベントカメラを組み合わせて高速でシーンを撮影・再構成するガウススプラッティングを用いた新しいセンサ融合手法を提案する。
  論文  参考訳（メタデータ） (2025-02-07T03:17:31Z)
• EF-3DGS: Event-Aided Free-Trajectory 3D Gaussian Splatting [87.1077910795879]
  生物学的ビジョンにインスパイアされたイベントカメラは、時間分解能の高い画素の強度を非同期に記録する。 本稿では,イベントカメラの利点を3DGSにシームレスに統合するイベント支援フリートラジェクトリ3DGSを提案する。 提案手法を,パブリックタンクとテンプルのベンチマークと,新たに収集した実世界のデータセットであるRealEv-DAVISで評価した。
  論文  参考訳（メタデータ） (2024-10-20T13:44:24Z)
• MoDGS: Dynamic Gaussian Splatting from Casually-captured Monocular Videos with Depth Priors [65.31707882676292]
  MoDGSは、カジュアルにキャプチャーされたモノクロビデオから、ダイナミックなシーンの新たなビューを描画する新しいパイプラインだ。 実験では、MoDGSはカジュアルにキャプチャされたモノクロビデオから、ダイナミックシーンの高品質なノベルビュー画像をレンダリングできることを示した。
  論文  参考訳（メタデータ） (2024-06-01T13:20:46Z)
• VastGaussian: Vast 3D Gaussians for Large Scene Reconstruction [59.40711222096875]
  VastGaussianは3次元ガウススティングに基づく大規模シーンにおける高品質な再構成とリアルタイムレンダリングのための最初の方法である。 提案手法は既存のNeRF手法より優れており,複数の大規模シーンデータセットの最先端結果が得られる。
  論文  参考訳（メタデータ） (2024-02-27T11:40:50Z)
• Event-based Continuous Color Video Decompression from Single Frames [36.4263932473053]
  本研究では,静止RGB画像とイベントカメラストリームから連続映像を生成する新しい手法であるContinuityCamを提案する。 提案手法は、連続した長距離動きモデリングとニューラル合成モデルを組み合わせることで、イベント内の任意のタイミングでフレーム予測を可能にする。
  論文  参考訳（メタデータ） (2023-11-30T18:59:23Z)
• 3D Scene Inference from Transient Histograms [17.916392079019175]
  ピコからナノ秒の光を捉える時間分解画像センサーは、ニッチな用途に限られていた。 我々は,最小時間分解画像センサからシーン情報をキャプチャする,低コストで低消費電力の画像モダリティを提案する。
  論文  参考訳（メタデータ） (2022-11-09T18:31:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。